本文介绍了图的基本概念，包括无向图、顶点、边、权重、完全图、有向无环图（DAG）、连通图和稠密图等。讨论了如何判断两个顶点间是否存在长度为k的简单路径，并指出图在数据结构中的重要性。
今天是小浩算法 “365刷题计划” 第99天。和大家聊聊关于图的一些知识。
01PART图是什么
图(Graph)是表示物件与物件之间的关系的数学对象，是图论的基本研究对象。
在数据结构中，图是什么呢？喏，就是这样：
Emmmm.....或者说常见一点的：
图是一个比树形关系复杂一点点，比线性关系复杂两点点的东东。
线性关系是一对一：一个前驱一个后继。
树形结构是一对多：一个父多个子
图形结构是多对多：任意两个顶点(图中的节点叫做顶点)都有可能相关，是一种多对多的关系。
图我们一般表示为 G = (V，E)
V：代表点
E：代表边
啥意思嘞，比如就上面那个绿油油的图，就可以表示为:
V={1,2,3,4,5,6}
E={(1,2),(1,5),(2,3),(2,5),(3,4),(4,5),(4,6)}
然后我们介绍一下图的一些术语。
图里最基本的单元是顶点(vertex)，相当于树中的节点。顶点之间的关联关系，被称为边(edge)。而边可以分配一个数值(正负都ok)，这个数值就叫做权重。
(数据取自真实数据.....)
当然，这里值得一提的是，树也可以被当做简单的图，而链表也可以被当做简单的树。
03PART无向图和有向图
有方向的图就是有向图，无方向的图就是无向图。
边没有方向的图称为无向图。比如说我微信里同时加了这5个妹子，这5个妹子也都认识我。
突然有一天，除了小花，其他四个妹子同时间都把我拉黑了。我的微信里能看到她们，她们却看不到我。
然后嘞，无向图就变成了有向图：
所有的顶点互相连接在一起，那就是完全图。
在无向图中，若每对顶点之间都有一条边相连，则称该图为完全图。大概就是这样：
而在有向图中，若每对顶点之间都有二条有向边相互连接，也算是完全图。
05PART循环图 和 DAG
所有的这些概念，都是顺利成章产生的。
循环图中的循环二字，指的是起点和终点是同一节点时产生的路径。所以，循环图和有向图或无向图并没有什么关系，因为都有可能产生循环。有向图，那就遵循边的方向。无向图，那只要成环就行。
这三个：
第一个就是无向循环图
第二个就是有向非循环图
第三个就是有向循环图
那第二个，更多的是被称为，有向无环图 DAG(Directed Acyclic Graph。那下面这个也是 ：
那上面这个像不像一棵树。。。。。所以计算机结构中的树(大多都是有向的)，其实就是一个DAG。
06PART加权图
用数学语言讲，设G为图，对图的每一条边e来说，都对应于一个实数W(e)(可以通俗的理解为边的“长度”，只是在数学定义中图的权可以为负数)，我们把W(e)称为e的“权”。把这样的图G称为“加权图”。
这个没啥好说的了，就是边有长度的图(这个长度可以是各种含义)。大部分我们接触到的图，都是加权图。
但是这里如果细分的话，又分出来了。顶点加权图和边加权图。说白了，就是有人发现如果只给边加上权值(就是长度)并不够用，有时候也需要给顶点加上权值。
在图论中，连通图基于连通的概念。在一个无向图 G 中，若从顶点i到顶点j有路径相连(当然从j到i也一定有路径)，则称i和j是连通的。
连通的图，就是连通图：
如果不通了，就是非连通图：(这是一个图)
那没有连通在一起的这两坨(或者说移动的这两坨)，我们叫作岛。(画外音，也许当年给联通移动起名的，就是程序员。从这里看，联通和移动本身就是对立的)
所以，如果我们的图里包含岛，那就是非连通图。
08PART稠密图和稀疏图
终于出现一个有学问的。你看 连通图-非连通图，加权图-非加权图，循环图-非循环图。。。。。人家稠密，终于知道对应一个稀疏了。
如何定义稠密和稀疏？梵蒂冈也有人觉得他们的圣彼得大教堂拥挤，所以稠密稀疏本身就是一个主观定义。
我们可以简单的认为，稀疏图的边数远远少于完全图，反之，稠密图的边数接近于或等于完全图。
本文主要介绍了图的基础知识，下一章会继续讲解图算法。希望大家多多支持！周末写文不容易，求个转发，来个评论。感谢~
漫画：知乎面试题(旋转数组最小值Ⅰ - 基础版)
漫画：知乎面试题(旋转数组最小值Ⅱ - 进阶版)
漫画：美团面试题(TOPK：求第K个最大的元素)
漫画：腾讯面试题(面试官问我会不会修供暖器，我说没问题)
漫画：位运算技巧整理汇总+一道被嫌弃的题目
如果你问我对学习算法有什么建议，这篇文章是必看的：
漫画：小白为了面试如何刷题？(呕心沥血算法指导篇)
漫画：呕心泣血算法指导篇(真正的干货，怒怼那些说算法没用的人)
小浩算法，每日一题
关注领取《图解算法题》高清版
进群的小伙伴请加右侧私人微信(备注：进群)
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
